字节跳动增长算法实习生-电商业务
任职要求
1、2026届硕士及以上学位在读,计算机相关专业; 2、具备扎实的机器学习技术基础,熟练使用SQL+Python进行模型开发,熟悉Spark/Hadoop/Flink等大数据处理技术 3…
工作职责
ByteIntern:面向2026届毕业生(2025年9月-2026年8月期间毕业),为符合岗位要求的同学提供转正机会。 团队介绍:Data-电商-供应链和物流团队,通过应用机器学习和运筹优化算法,助力字节电商在全球范围内向用户提供低价好物以及快速优质的购物体验。团队的方向包括:参与优化通向全球各个国家地区的仓储物流网络,提升履约时效,降低成本,优化用户体验;跟踪全球电商趋势,优化电商货品供给,预测商品需求,指导备货,探索AIGC赋能时尚供应链。 1、参与电商业务用户/商家/达人增长等业务中的触达算法研发,包括但不限于基于用户与触达内容的理解建立点击率/转化率预估等模型、优化触达时机/渠道、基于AIGC技术进行触达内容优化等; 2、与电商用户增长、商家/达人相关运营、产品等团队紧密合作,达成电商业务的用户/商家/达人高质量增长目标。
工作职责 1、深度参与小红书海内外社区/电商等核心场景下通用搜索、AI搜索以及搜索增长等业务功能模块,赋能十亿级query规模搜索业务 2、参与小红书搜索业务迭代,同时满足产品、算法对于核心引擎或者基础平台的功能需求 3、抽象通用的业务开发框架与组件,提升业务支持效率,将现有技术逐步平台化和产品化
-在内容视角上,熟悉直播生态问题的发现-定义-识别-处置-评估的完整流程(是要懂什么内容好,什么坏,怎么评估) -在用户视角上,识别用户直播电商偏好并对匹配结果做针对性评估,提高用户在直播电商上的满意度(要能从 用户与内容匹配度角度,评估推荐结果的好坏) -能基于业务现状及行业洞察,协同算法与运营输出有效的c端生态优化策略 -围绕业务关注的核心生态指标,搭建指标监控体系
Bravo 102是由阿里国际技术全团队共同发起的技术人才孵化计划,打破传统人才选拔及培养框架,为有志于走向AI未来的技术新锐们,提供“你行你上+我要我来”的双向奔赴式的实习机会选择。 在这里,“我”将不被岗位定义,以能力选择业务战场,与全球顶尖团队并肩作战,沉浸式体验全球多元化业务战场与亿级流量高并发系统。 加入我们,成为AIDC首批102位Bravo Talent,一起掌舵AI,为我们的未来Bravo! 关于我们: 阿里国际技术专注于提供卓越的数字零售技术服务,致力于服务全球消费者,并触达全球中小企业买家。我们希望利用AI技术让每个人都能够轻松、便捷地享受全球优质的商品和服务,推动商业活动更加高效、可持续,为社会未来的发展带来更多可能性。 我们提供涵盖商品智能、商家服务、供应链优化、跨境物流、搜索推荐引擎、用户增长、金融服务、客户体验、AI 基础设施、企业数智化、全球云及高可用架构、研发效能等技术领域,实习生可跨多个技术域实践,深度参与多场景技术攻坚,探索你想选择的职业发展方向; 在这里,你将和我们一起,采用领先的数字化及人工智能等技术持续解决商业活动中的现实问题,创造技术价值,为消费者带来更加美好的体验!欢迎加入我们! 以下工作内容你均有可能参与: 1、参与基础软件的设计、开发和维护,如分布式文件系统、缓存系统、Key/Value 存储系统、数据库、Linux 操作系统等,探索 AI 在系统调优中的应用(如通过机器学习预测热点数据提升缓存命中率); 2、参与国际电商系统及基础设施的核心模块开发,集成 AI 模型服务,为公司产品提供强有力的后台支持,设计并实施最强大的解决方案; 3、参与产品的开发和维护,完成从需求到设计、开发和上线等整个项目周期内的工作,能够通过 AI 工具提升开发效率; 4、参与海量数据处理和开发,使用Java/SQL/Python开发 ETL 流程,结合大模型实现数据清洗与特征工程自动化(如利用大模型生成 SQL 查询模板); 5、参与项目为用户提供丰富而有价值的桌面或无线软件产品,能够探索 AI 在业务场景的落地应用(如大模型在供应链定价、销量计划、库存、履约等复杂场景的智能洞察和协同,基于大模型的个性化推荐系统,交互式智能导购,需求预测模型部署,异常检测算法实现等)。
T-Star计划是阿里巴巴淘天集团顶尖人才招聘和培养项目,继承“阿里星〞的使命与愿景,面向全球招募顶尖技术人才。首次开设实习生专项招聘,面向2025年10月后毕业的校优秀技术同学。期待你们在淘天,通过极具挑战的前沿课题与亿级规模的海量数据、应用场景,探索和实践最前沿的Al技术,在有价值的业务场景落地技术成果。 1. 大模型驱动的算法革新: a. 参与大模型(LLM、多模态大模型)在电商核心场景(搜索、推荐、广告、多智能体对话等)中的算法创新与应用; b. 研究大模型与经典搜推广模型的融合方案,提升模型效果与用户体验; 2. 下一代AI系统构建: a. 通过分布式训练、模型压缩、低延迟推理等技术,面向工业级应用完成千亿级参数大模型的高效训练与部署; b. 尝试生成式AI、多智能体协作等前沿方向,推动AI技术在电商领域的创新应用; 3. 大模型在亿级用户规模落地的实战: a. 直面淘宝数亿用户、百亿级行为数据的挑战,落地大模型应用; b. 参与双11、618等顶级电商场景的算法优化,见证大模型技术驱动商业增长的完整链路。 T-Star实习可以带给你什么? ꔷ ①加入前沿技术探索队伍,参与顶级课题研究,有机会实现工业界项目落地。②跟企业大牛导师/学术界名导一起做有价值的课题。③丰富的技术资源、海量的数据与优秀的团队助力发paper